[发明专利]一种适于目标检测的CW-m2det方法及其系统

权利要求书

1.一种适于目标检测的CW-m2det方法，其特征在于，所述CW-m2det方法包括以下步骤：

S1：提取多小目标图像，进行图像切割，质量筛选，采用马赛克数据增强对目标图像进行增强：

S2：使用k均值聚类算法计算出最优候选框尺寸大小；

S3：构建CW-m2det特征提取网络，将增强后的数据输入CW-m2det特征提取网络，再经过MLFPN特征提取网络获得模型的分类结果和定位结果，使用非极大抑制筛选掉重合程度较大的检测框；

S4：将数据输入CW-m2det特征提取网络进行，计算模型损失，优化模型参数，完成训练。

2.根据权利要求1所述的一种适于目标检测的CW-m2det方法，其特征在于，所述CW-m2det特征提取网络包括改进版VGG主干特征提取网络、MLFPN特征提取网络。

3.根据权利要求1所述的一种适于目标检测的CW-m2det方法，其特征在于，所述特征网络激活函数为Mish激活函数，分类、定位特征网络的激活函数为LRelu激活函数。

4.根据权利要求1所述的一种适于目标检测的CW-m2det方法，其特征在于，所述步骤S1中目标图像的预处理过程，包括以下步骤：

S11：提取多小目标图像，为了最大化小目标物体输入模型的特征信息，对输入图片进行切割，同步更新图片中的真实框坐标；

S12：计算标注中真实框像素点面积，并与预设面积阈值进行比较，如果大于预设面积阈值保留该标注信息，否则移除该标注；

S13：对输入图片进行马赛克数据增强；

S14：将处理后的图片分辨率调整至预设的标准尺寸，并更新标注中所有目标的位置信息；

S15：输出图片和与其对应的标注信息；

S16：输入下一张图片，重复步骤S12至S15，直至遍历coco数据集中所有图片。

5.根据权利要求2所述的一种适于目标检测的CW-m2det方法，其特征在于，所述步骤S11中图片的切割方式，包括以下步骤：

S21：将矩形原图像进行左右裁剪成两个正方形，摄像头分辨率长宽之比一般小于2，故裁剪后的两张正方形有重叠部分；

S22：对真实框进行同步更新，处于重叠部分的目标物体将会有两个真实框标注，分别存在于左右两张图片，对处于裁剪边缘的真实框进行同步标注更新，完成图片切割，获得两张输入图像。

6.根据权利要求1所述的一种适于目标检测的CW-m2det方法，其特征在于，所述步骤S2中，数据增强方式为针对小物体的修改版马赛克数据增强方式，对每张图片进行随机翻转，曝光度处理，再将多张的输入图片进行拼接，同步更新标注信息。

7.根据权利要求1所述的一种适于目标检测的CW-m2det方法，其特征在于，所述步骤S3中主干特征提取网络通过改进VGG16网络得到，改进部分包括以下内容：

S31：在原本的每个卷积层后添加一个通道数不变，卷积核大小为1×1的卷积层，例如在conv1_1后添加一个通道数为64，卷积核大小为1×1，padding为same的卷积层；

S32：在conv1_1以及每次池化后的首层进行分支卷积操作，该特征层将会与下一次池化前的最后一层进行融合，例如将特征层conv1_1(320,320,64)进行通道数为64，卷积核大小为1×1的same卷积得到特征层conv1_1b(320,320,32)；

S33：池化后的每一个卷积层通道数保持不变，在下一个池化操作前与S22中的分支特征层进行融合，通道数与原VGG16保持一致；

S34：添加残差结构，将S21中的3×3卷积后的特征层将会与前一个1×1卷积特征层进行矩阵元素加操作；

S35：每次卷积都加入BN层，激活函数修改为Mish激活函数。